基于LDA的軟件缺陷組件預測研究與實現(xiàn).pdf

1、軟件缺陷是指軟件中存在的一種對系統(tǒng)正常運行造成影響的錯誤狀態(tài)。研究者們根據(jù)軟件的規(guī)模、復雜度、編程語言等提出了一些軟件缺陷評估和預測的方法，并且取得了一定的成績。然而現(xiàn)階段仍然有一些問題沒有得到很好的解決，例如在分析軟件語義信息對軟件缺陷影響的問題。本文提出了一種基于主題模型的方法來預測軟件缺陷，該方法結(jié)合軟件語義信息和軟件規(guī)模來研究軟件缺陷問題。研究對象為存儲在軟件版本控制系統(tǒng)（如GIT）中的軟件源代碼以及由Bugzilla收集的缺陷

2、信息。研究方法是使用主題模型對軟件源代碼進行語義挖掘和分析。在主題提取上，采用了潛在狄利克雷分布Latent Dirichlet Allocation（簡稱LDA）技術(shù)。主要工作內(nèi)容如下：
　?、僭谲浖创a和缺陷信息的數(shù)據(jù)抽取與預處理上，運用基于Lucene的預處理工具PRETREATMENT，實現(xiàn)源代碼分詞、提取詞干、去標識符等操作。
　?、跒榻鉀Q基于軟件規(guī)模、復雜度的缺陷預測方法中存在的同義與多義問題，提出了基于軟件語

3、義信息挖掘的軟件組件缺陷預測方法，并利用Eclipse平臺完成核心算法的編寫。
　?、墼趹肔DA進行主題建模時，針對原有的組件缺陷預測方法進行了三點改進：第一是在源代碼預處理中保留用戶注釋信息，軟件開發(fā)過程中注釋信息往往起到舉足輕重的作用，本文研究中將注釋信息作為一種單獨的預測資源來輔助預測；第二是在構(gòu)建主題模型時，加入了軟件缺陷信息，提出并定義了結(jié)合軟件語義信息和缺陷信息的主題缺陷密度。第三是通過挖掘軟件版本之間主題的內(nèi)在信息